-
公开(公告)号：CN119295392A
公开(公告)日：2025-01-10
申请号：CN202411333475.2
申请日：2024-09-24
Applicant: 西安市第一医院 , 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的眼眶图像分割识别方法，其特征在于，将注意力机制引入Unet网络结构，利用以往的眼部CT/MRI影像进行模型训练，构建眼部区域分割网络模型，通过分割网络模型将待处理眼部CT/MRI影像分割为不同区域，再分别对不同区域测量其相应数据，得到眼部CT/MRI影像分割结果。本发明基于深度学习的眼眶图像分割识别方法解决了现有技术对眼眶MRI图像分割不明确、图像识别及数据测量不精确的问题。
-
公开(公告)号：CN118447255A
公开(公告)日：2024-08-06
申请号：CN202410716361.X
申请日：2024-06-04
Applicant: 西安市第一医院 , 神州医疗科技股份有限公司
IPC: G06V10/26 , G06V10/22 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于nnU‑net的多重阈值分割颧骨顶点定位方法，该方法包括以下步骤：步骤S10、获取MR图像数据，利用nnU‑net框架分别构建眼球分割网络和眼眶分割网络；步骤S20、基于眼球分割网络和眼眶分割网络确定的所述眼球和眼眶的位置，对所述MR图像数据进行多重阈值处理，确定阈值范围，得到目标轮廓集合；步骤S30、基于目标轮廓集合确定颧骨顶点。本发明，能够保证颧骨顶点定位的准确性，从而使得基于颧骨顶点实现的疾病判断的结果更精确。
-
公开(公告)号：CN119862403A
公开(公告)日：2025-04-22
申请号：CN202411836697.6
申请日：2024-12-13
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/2113 , G06F18/214 , G06F18/15 , G06F18/20 , G06N20/00
Abstract: 本发明涉及一种基于多源数据的数据处理系统，包括：用户操作界面模块，用于获取用户上传的多维数据，以及获取用户选择的多维数据的目标分析任务，以及获取用户选择的目标机器学习算法模型；特征筛选模块，用于根据目标变量，从多维数据中选择与目标变量的相关特征；机器学习模型模块，用于为用户提供针对不同的分析任务对应的机器学习算法模型；模型训练模块，用于根据与目标变量的相关特征，对目标机器学习算法模型进行训练，得到目标模型，以基于目标模型对与目标变量的相关特征进行目标分析任务对应的处理。通过本发明的系统，能够帮助用户高效处理、分析多维数据，自动进行机器学习建模，且支持个性化的处理。
-
公开(公告)号：CN119849436A
公开(公告)日：2025-04-18
申请号：CN202411912226.9
申请日：2024-12-24
Applicant: 神州医疗科技股份有限公司
IPC: G06F40/126 , G06N3/045 , G06F16/31 , G06F16/334
Abstract: 本发明涉及一种文本向量表示方法、装置、电子设备及存储介质，该方法包括：获取待表示文本，所述待表示文本中包括多个文本片段；确定每个所述文本片段的静态嵌入向量以及位置向量；根据所有文本片段的静态嵌入向量和位置向量，确定各个所述文本片段之间的关联关系；根据所有文本片段的静态嵌入向量、位置向量和关联关系，确定所述待表示文本的文本向量。通过本发明的方法，不但保留了文本片段本身所表征的文本特征，还结合了文本片段之间的关联关系，可更加准确的对待表示文本进行准确的文本向量表示。
-
公开(公告)号：CN119228789B
公开(公告)日：2025-03-14
申请号：CN202411727880.2
申请日：2024-11-28
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06T5/40 , G06T5/70 , G06T7/136 , G06T7/194 , G06T7/90 , G06V10/762 , G06V10/764
Abstract: 本发明公开了一种面向病理图像的基于大模型的图像分析和诊断方法及系统，涉及图像处理技术领域。具体公开了面向病理图像的基于大模型的图像分析和诊断方法，包括：将多个病理图像类型、多个癌种的多个病理图像进行归一化处理，并对各病理图像进行前景提取；将每个病理图像前景进行归一化处理后，将处理后的各病理图像前景切分为多个patch图像块；对每个病理图像的多个patch图像块进行癌种预测训练。本发明能够快速定位到病理图像的显著区域，从而实现更高效、准确的病理图像的疾病癌种预测。
-
Patent Agency Ranking
公开(公告)号：CN119581018A
公开(公告)日：2025-03-07
申请号：CN202411629785.9
申请日：2024-11-15
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G16H50/70 , G06F18/2113 , G06F18/213 , G06F18/21 , G06F18/241 , G06F18/243 , G06F18/20 , G06N5/045 , G06F123/02
Abstract: 本发明公开了一种ICU患者脓毒症发生风险预测方法及系统，该方法包括：采集ICU患者的临床时序数据；基于结构化查询语言技术和语义分析模型对ICU患者的临床时序数据进行信息提取处理；构造出数据集；构建八种二分类机器学习模型，选取AUROC值最高的二分类机器学习模型作为脓毒症预测模型；筛选有效特征；采用Platt Scaling算法和校准集对脓毒症预测模型进行校准处理，得到校准后的脓毒症预测模型；获取目标ICU患者的实时临床时序数据，对目标ICU患者的实时临床时序数据进行预处理，并输入至校准后的脓毒症预测模型中，输出且显示脓毒症发生风险预测结果。本发明无需人为干预，能够对ICU患者的脓毒症发生风险进行实时监测，以便为脓毒症的早期预警提供重要支持。
-
公开(公告)号：CN119557410A
公开(公告)日：2025-03-04
申请号：CN202510122166.9
申请日：2025-01-26
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/3329
Abstract: 本发明公开了一种结合功能函数和槽填充的大模型问答优化系统及方法，本发明通过槽位填充识别并填充查询中关键信息（如时间、地点、人物等）结合查询意图调用相应的功能函数或执行特定逻辑以完成任务，有效地解决现有大语言模型应用场景中经常出现的固执坚持己见、针对同一问题的多次提问反复做出同样的错误回答而无法理解用户意图的问题，使得大模型在处理用户提问时可以更准确地理解用户提问的意图，并更专业的调用功能函数回答用户的问题，可以在多轮问答中保持连贯性和一致性，提供更加流畅的用户体验，优化了整体的问答效果。
-
公开(公告)号：CN119557390A
公开(公告)日：2025-03-04
申请号：CN202510114181.9
申请日：2025-01-24
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/332 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于自训练范式模型的自然语言查询数据库方法及系统，通过本方法自训练的方式得到的范式模型，能够在应对其他领域的数据时就保证预测的准确度；无需数据库专业人员将这些提问转换为对应的查询语句、清洗或整理，可直接将自然语言输入模型提取语句转换信息，根据语句转换信息按照规则模板拼接生成对应的sql语句，使用sql语句在数据库中进行查询，返回给用户查询的结果，降低数据查询的难度并提高效率。
-
公开(公告)号：CN114822852B
公开(公告)日：2024-11-08
申请号：CN202210552510.4
申请日：2022-05-20
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/30 , G16H50/70 , G16H10/60 , G06F16/35 , G06F16/36 , G06F18/214 , G06F18/241 , G06N5/022
Abstract: 本申请提出一种基于知识图谱的肝癌术后复发风险的预测方法及装置，属于医疗数据预测领域，其中方法包括：针对患者数据进行预处理，得到预处理后数据；针对所述预处理后数据，构建包含肝癌复发相关影响因素、肝癌指标和患者数据的知识图谱；采用XLNet训练模型对所述知识图谱中实体、关系进行训练，得到患者实体和关系的表征向量；根据所述患者实体和关系的表征向量，采用XGB算法进行预测，并用MSE作为损失函数，将损失函数最小的对应预测值，作为肝癌术后复发风险的预测值。系统包括：数据预处理模块、知识图谱构建模块、知识表征训练模块以及手术后复发风险预测模块。本申请提高了风险预测的可靠程度。
-
公开(公告)号：CN116955576B
公开(公告)日：2024-07-02
申请号：CN202311218911.7
申请日：2023-09-21
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/332 , G06F18/214 , G06F40/289 , G06F40/30 , G16H70/40 , G16H80/00
Abstract: 本发明涉及语言处理技术领域，特别提供一种基于人类反馈与强化学习的问答回复方法、系统及设备，该方法包括：基于目标数据，构造数据集，并基于数据集，对预训练模型进行继续预训练，得到初始问答模型；基于目标数据，构造三元组指令集数据；利用三元组指令集数据对初始问答模型进行优化，得到问答模型；基于目标数据，构造人类偏好指令集数据；基于人类偏好指令集数据，对问答模型进行训练，得到奖励模型；利用人类反馈强化学习机制，对奖励模型进行强化，得到问答回复模型，从而实现具备专业度较高的问答能力，以及具有回复人性化且专业准确性更高的特点。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.064 seconds)
